Comparing the Selected Transfer Functions and Local Optimization Methods for Neural Network Flood Runoff Forecast

Table 8

The results of persistency index on tested transfer functions, the best models are marked with bold font.

	ntrain	ntest	nval	PI_train	PI_test	PI_val	mPI_train	mPI_test	mPI_val
4-3-1
CL	275	225	110	0.80	0.46	0.24	0.35	0.24	0.08
CLm	555	381	207	0.70	0.56	0.26	0.37	0.25	0.08
HT	489	283	148	0.72	0.56	0.27	0.42	0.26	0.08
LL	355	273	139	0.84	0.55	0.21	0.35	0.25	0.08
RS	566	417	198	0.73	0.56	0.22	0.40	0.27	0.08
4-4-1
CL	290	241	129	0.74	0.52	0.17	0.35	0.27	0.08
CLm	615	402	237	0.75	0.56	0.24	0.38	0.27	0.08
HT	578	351	152	0.75	0.56	0.25	0.44	0.27	0.08
LL	384	300	157	0.83	0.57	0.28	0.35	0.26	0.09
RS	608	475	209	0.75	0.61	0.25	0.42	0.28	0.08
4-5-1
CL	311	256	144	0.77	0.53	0.24	0.35	0.26	0.09
CLm	632	437	245	0.70	0.58	0.21	0.39	0.26	0.08
HT	574	321	147	0.75	0.61	0.31	0.45	0.27	0.09
LL	432	337	187	0.79	0.56	0.31	0.35	0.25	0.08
LS	377	291	115	0.74	0.57	0.21	0.35	0.25	0.08
RS	659	517	242	0.74	0.61	0.29	0.42	0.27	0.09
4-6-1
CL	319	269	145	0.77	0.56	0.21	0.34	0.27	0.08
CLm	654	471	259	0.69	0.59	0.24	0.39	0.27	0.07
HT	601	361	162	0.71	0.59	0.20	0.45	0.27	0.08
LL	437	358	185	0.75	0.53	0.17	0.35	0.27	0.08
LS	391	324	114	0.71	0.55	0.20	0.35	0.22	0.07
RS	651	539	263	0.72	0.61	0.22	0.42	0.28	0.08